MétaCan
Menu
Retour à la cohorte
Enregistrement W2133486430

Organizational and Individual Determinants of Atypical Employment: The Case of Multiple Jobholding and Self-Employment

2000· preprint· en· W2133486430 sur OpenAlexaboutno aff
Philippe Guay, Gilles Simard, Michel Tremblay

Notice bibliographique

RevueÉrudit documents and data repository (Érudit Consortium, University of Montreal) · 2000
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutonomyLogistic regressionSociologyPromotion (chess)HumanitiesPsychologyPolitical scienceArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le rôle traditionnel de la gestion de carrière attribuait à l'entreprise un certain contrôle sur le cheminement des individus, dans la mesure où la prise en charge organisationnelle était très active. Toutefois, le besoin incessant de flexibilité organisationnelle, qui mène à l'utilisation croissante du travail atypique, contribue à la consolidation des nouvelles carrières dans lesquelles les thèmes du contrôle et de l'autonomie sont questionnés. Parmi ces formes de travail atypique, le cumul d'emplois et le travail autonome/à son compte ont particulièrement retenu l'attention des chercheurs. En utilisant des données produites par Statistique Canada, nous avons cherché à identifier, par l'entremise des analyses de régression logistique, les facteurs qui influencent la probabilité de faire partie de ces deux catégories d'emploi atypique. Nos résultats suggèrent que les facteurs d'influence ne sont pas les mêmes pour les deux catégories d'emploi non standard considérées. Le secteur d'activité, le sexe et les promotions jouent davantage sur la probabilité de joindre les effectifs des autonomes/à son compte alors que la catégorie professionnelle, la fréquence du mouvement et l'absence de promotion influencent davantage la probabilité d'appartenir au groupe des cumulards. Finalement, nos résultats montrent que les effectifs de ces deux types de travail atypique ne sont pas homogènes et que l'appartenance à l'un ou l'autre de ces groupes n'implique pas exclusivement la précarité des conditions de vie et de travail.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,228
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueÉrudit documents and data repository (Érudit Consortium, University of Montreal)Même sujetEntrepreneurship Studies and InfluencesTravaux en français237 207